稀宇科技推出了新一代01系列模型，包括基础语言大模型MiniMax-Text-01和视觉多模态大模型MiniMax-VL-01，并开源了模型权重。该系列模型采用线性注意力机制，突破了传统Transformer架构的记忆瓶颈，可处理高达400万token的输入，远超GPT-4o和Claude-3.5-Sonnet。模型参数量高达4560亿，综合性能比肩海外顶尖模型，在长文任务上表现优异，性能衰减更少。定价方面，输入为1元/百万token，输出为8元/百万token。

🚀稀宇科技发布新一代01系列模型，包含MiniMax-Text-01和MiniMax-VL-01，并开源模型权重，方便开发者研究。

🧠该系列模型采用线性注意力机制，打破了Transformer架构的记忆瓶颈，能够处理高达400万token的输入，是GPT-4o的32倍，Claude-3.5-Sonnet的20倍。

💪模型参数量高达4560亿，单次激活459亿，综合性能比肩GPT-4o和Claude-3.5-Sonnet等海外顶尖模型，在长文任务上表现出更少的性能衰减。

💰定价方面，该系列模型标准定价为输入1元/百万token，输出8元/百万token。

IT之家 1 月 15 日消息，稀宇科技（MiniMax）今日宣布推出新一代 01 系列模型，包含基础语言大模型 MiniMax-Text-01 和视觉多模态大模型 MiniMax-VL-01。

为方便开发者研究，该公司还在 Github 上开源了两个模型的完整权重。这一系列模型的后续更新，包括代码和多模态相关的后续强化仍待上传。

该系列模型首次大规模实现线性注意力机制，打破 Transformer 传统架构记忆瓶颈，能够处理 400 万 token 的输入，可输入长度是 GPT-4o 的 32 倍，Claude-3.5-Sonnet 的 20 倍。

据介绍，这个模型的参数量高达 4560 亿，其中单次激活 459 亿，模型综合性能比肩海外顶尖模型，在大多数任务上追平了海外公认最先进的两个模型，GPT-4o-1120 以及 Claude-3.5-Sonnet-1022。

在长文任务上，随着输入长度变长，MiniMax-Text-01 性能衰减更少，显著优于谷歌 Gemini。因此，01 系列模型在处理长输入的时候有非常高的效率，接近线性复杂度。

定价方面，IT之家发现该系列模型标准定价是输入 1 元 / 百万输入 token、8 元 / 百万输出 token。